一、人工智能

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括語(yǔ)音識(shí)別、圖像識(shí)別、機(jī)器人、自然語(yǔ)言處理、智能搜索和專家系統(tǒng)等。

人工智能可以對(duì)人的意識(shí)、思維的信息過(guò)程的模擬。人工智能不是人的智能，但能像人那樣思考、也有可能超過(guò)人的智能。

二、數(shù)據(jù)挖掘

數(shù)據(jù)挖掘(Data Mining)，顧名思義就是從海量數(shù)據(jù)中“挖掘”隱藏信息，按照教科書的說(shuō)法，這里的數(shù)據(jù)是“大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)”，信息指的是“隱含的、規(guī)律性的、人們事先未知的、但又是潛在有用的并且最終可理解的信息和知識(shí)”。在商業(yè)環(huán)境中，企業(yè)希望讓存放在數(shù)據(jù)庫(kù)中的數(shù)據(jù)能“說(shuō)話”，支持決策。所以，數(shù)據(jù)挖掘更偏向應(yīng)用。

數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)有關(guān)，并通過(guò)統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)(依靠過(guò)去的經(jīng)驗(yàn)法則)和模式識(shí)別等諸多方法來(lái)實(shí)現(xiàn)上述目標(biāo)。

三、機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)(Machine Learning)是指用某些算法指導(dǎo)計(jì)算機(jī)利用已知數(shù)據(jù)得出適當(dāng)?shù)哪Ｐ停⒗么四Ｐ蛯?duì)新的情境給出判斷的過(guò)程。

機(jī)器學(xué)習(xí)的思想并不復(fù)雜，它僅僅是對(duì)人類生活中學(xué)習(xí)過(guò)程的一個(gè)模擬。而在這整個(gè)過(guò)程中，最關(guān)鍵的是數(shù)據(jù)。

任何通過(guò)數(shù)據(jù)訓(xùn)練的學(xué)習(xí)算法的相關(guān)研究都屬于機(jī)器學(xué)習(xí)，包括很多已經(jīng)發(fā)展多年的技術(shù)，比如線性回歸(Linear Regression)、K均值(K-means，基于原型的目標(biāo)函數(shù)聚類方法)、決策樹(Decision Trees，運(yùn)用概率分析的一種圖解法)、隨機(jī)森林(Random Forest，運(yùn)用概率分析的一種圖解法)、PCA(Principal Component Analysis，主成分分析)、SVM(Support Vector Machine，支持向量機(jī))以及ANN(Artificial Neural Networks，人工神經(jīng)網(wǎng)絡(luò))。

四、深度學(xué)習(xí)

深度學(xué)習(xí)(Deep Learning)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過(guò)組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù)，例如圖像，聲音和文本。

五、人工智能與機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的關(guān)系

嚴(yán)格意義上說(shuō)，人工智能和機(jī)器學(xué)習(xí)沒有直接關(guān)系，只不過(guò)目前機(jī)器學(xué)習(xí)的方法被大量的應(yīng)用于解決人工智能的問題而已。目前機(jī)器學(xué)習(xí)是人工智能的一種實(shí)現(xiàn)方式，也是最重要的實(shí)現(xiàn)方式。

早期的機(jī)器學(xué)習(xí)實(shí)際上是屬于統(tǒng)計(jì)學(xué)，而非計(jì)算機(jī)科學(xué)的;而二十世紀(jì)九十年代之前的經(jīng)典人工智能跟機(jī)器學(xué)習(xí)也沒有關(guān)系。所以今天的AI和ML有很大的重疊，但并沒有嚴(yán)格的從屬關(guān)系。

不過(guò)如果僅就計(jì)算機(jī)系內(nèi)部來(lái)說(shuō)，ML是屬于AI的。AI今天已經(jīng)變成了一個(gè)很泛泛的學(xué)科了。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)現(xiàn)在比較火的一個(gè)方向，其本身是神經(jīng)網(wǎng)絡(luò)算法的衍生，在圖像、語(yǔ)音等富媒體的分類和識(shí)別上取得了非常好的效果。

所以，如果把人工智能與機(jī)器學(xué)習(xí)當(dāng)成兩個(gè)學(xué)科來(lái)看，三者關(guān)系如下圖所示：

向左轉(zhuǎn)|向右轉(zhuǎn)

如果把深度學(xué)習(xí)當(dāng)成人工智能的一個(gè)子學(xué)科來(lái)看，三者關(guān)系如下圖所示

向左轉(zhuǎn)|向右轉(zhuǎn)

六、數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的關(guān)系

數(shù)據(jù)挖掘主要利用機(jī)器學(xué)習(xí)界提供的技術(shù)來(lái)分析海量數(shù)據(jù)，利用數(shù)據(jù)庫(kù)界提供的技術(shù)來(lái)管理海量數(shù)據(jù)。

向左轉(zhuǎn)|向右轉(zhuǎn)

機(jī)器學(xué)習(xí)是數(shù)據(jù)挖掘的一種重要方法，但機(jī)器學(xué)習(xí)是另一門學(xué)科，并不從屬于數(shù)據(jù)挖掘，二者相輔相成。

人工智能(Artificial Intelligence) ，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。 人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。學(xué)習(xí)的話可以加裙前面六九式中間二六九最后加上五四零就可以進(jìn)來(lái)學(xué)習(xí)了奧，不定期還會(huì)有資料推送，還有人工智能領(lǐng)域大牛在線解答問題。
什么是機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)可以理解為機(jī)器從已知的經(jīng)驗(yàn)數(shù)據(jù)（樣本）中，通過(guò)某種特定的方法（算法），自己去尋找提煉（訓(xùn)練/學(xué)習(xí)）出一些規(guī)律（模型）；提煉出的規(guī)律就可以用來(lái)判斷一些未知的事情（預(yù)測(cè)）。
比如我們接觸了1w只單身汪（已知樣本），通過(guò)歸納總結(jié)與比較（算法）找出TA們身上一些共性特點(diǎn)，然后將這些共性特點(diǎn)作為判斷單身汪的依據(jù)（模型），那么下次遇到一個(gè)人（未知樣本），就可以判斷TA是不是單身了（預(yù)測(cè)）。
既然是從一堆已知的樣本中找規(guī)律，那么找規(guī)律的方式以及找出的規(guī)律的形態(tài)就會(huì)因人而異，也就是算法與模型都可能會(huì)有所不同。所以，機(jī)器學(xué)習(xí)本身也是分為不同流派的，每種流派都有它代表性的模型與算法。機(jī)器學(xué)習(xí)主要分為符號(hào)主義學(xué)習(xí)（以決策樹模型與相關(guān)算法為代表）、連接主義學(xué)習(xí)（以神經(jīng)網(wǎng)絡(luò)模型與相關(guān)算法為代表）與統(tǒng)計(jì)學(xué)習(xí)（以支持向量機(jī)與相關(guān)算法為代表）。符號(hào)主義學(xué)習(xí)與連接主義學(xué)習(xí)在20世紀(jì)80年代至90年代中期非常流行，統(tǒng)計(jì)學(xué)習(xí)則從90年代中期開始迅速占據(jù)舞臺(tái)。值得一提的是，為判斷一個(gè)人是否為單身汪而找出的一系列特征規(guī)律其實(shí)就是一棵決策樹。
深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過(guò)組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù)，例如圖像，聲音和文本。
人工智能是一個(gè)大的概念，是研究如何使機(jī)器獲得智能的學(xué)科；機(jī)器學(xué)習(xí)是人工智能中的一個(gè)技術(shù)流派，通過(guò)從已知樣本中提煉規(guī)律來(lái)獲得判斷未知樣本的“智能”；深度學(xué)習(xí)則是機(jī)器學(xué)習(xí)的一種，它所學(xué)習(xí)出來(lái)的模型是深度神經(jīng)網(wǎng)絡(luò)。